数据建模和数学建模各是什么意思？二者有什么区别？

不同领域的人说的不是一件事。

下面进行从商业运用方面来解析。

数据建模属于信息化的范畴，就是对业务流程进行数据流抽象，满足ERP和数仓等IT建设需求。

知道UML吗？那就是数据建模，开发软件时画的模型图。

百度百科：数据模型（Data Model）是数据特征的抽象。数据（Data）是描述事物的符号记录，模型（Model)是现实世界的抽象。数据模型从抽象层次上描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供了一个抽象的框架。数据模型所描述的内容有三部分：数据结构、数据操作和数据约束。

 

数学建模是为了满足预测和归因的需求，建立起解释变量和被解释变量之间的关系。

该关系可能是公式或规则集，比如信用评级模型就是建立起客户贷款前信息和贷款后违约之间的关系，用于预测新申请客户的违约可能性。

数据建模是业务系统和数据仓库IT人员的事，数学建模是统计分析人员，数据挖掘工程师的事。

只是现在招聘要求里总是把数学建模写成数据建模，这种说法其实很不专业，毕竟数学和数据是两回事。

作者：酷农民
链接：https://www.zhihu.com/question/266484908/answer/308555424
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

 

----------------------------------------------------------------------------------

范围认识：

统计建模是数学建模的一种，建立的是用统计数学进行分析的模型。

统计建模实际上大部分是分析数据，一定会用到统计知识。

而数学建模的范围较广，遇到的问题不同，解决方法就不一样，有可能用不到统计知识，并且遇到的问题五花八门。

https://zhidao.baidu.com/question/415694473.html

 

数据建模偏向于统计建模(不知道这个比赛国家统计局还有没有办)，

主要是运用应用统计学相关方法对数据信息进行挖掘；

广义一点看，在kaggle或者阿里数据挖掘竞赛中运用各种机器学习、深度学习算法对数据进行挖掘也属于此类

数据建模的特点是：在该语境下模型=算法，侧重组合创新，

拼到最后大家斗的是特征工程，变量筛选（对于一大类sklearn中的机器学习算法来说，这两者比爬山法调参重要）

 

数学建模估计在校理工科大学生都很熟悉了，现实问题抽象为数学问题，再选择合算法求解。

该语境下模型=现实问题中抽象出的数学公式或规律，侧重原创创新。算法在数学建模中的地位退化为求解工具而不是模型本身

当然，近几年数学建模有“工程化”的倾向，特别是国赛B题，经常会和一些互联网公司合作，给出他们需要解决问题的背景（例如16年的网约车问题），这类工程性较强的问题中，可以看到数据建模与数学建模结合的影子

作者：黎韬
链接：https://www.zhihu.com/question/266484908/answer/628953535
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。